杜朋 王飛 張鎮(zhèn)琦 張丁磊 陳敏

（北京宇航系統(tǒng)工程研究所，北京，100076）

人工智能技術(shù)是讓機(jī)器像人類一樣具有思考和推理能力的智能技術(shù)。人工智能萌芽于20世紀(jì)50年代，經(jīng)過了低谷蕭條期、黃金發(fā)展期，現(xiàn)在已在多個領(lǐng)域開花結(jié)果，如人臉識別、自動駕駛、寫詩作畫、機(jī)器翻譯等諸多方面，其中AlphaGo更是依托人工智能技術(shù)戰(zhàn)勝了圍棋世界冠軍。

與此同時，中國航天事業(yè)快速發(fā)展，航天產(chǎn)品的高可靠性對質(zhì)量管理提出了很高的要求。雖然質(zhì)量制度與標(biāo)準(zhǔn)已很完善，但很多研制環(huán)節(jié)依然離不開人工管理，這種管理具有成本高、易出錯、一致性差、管理不到位等問題。隨著型號種類日益增多、發(fā)射密度不斷升高，以人監(jiān)督為主的質(zhì)量管理模式效率有限。項(xiàng)目質(zhì)量管理人員往往被事務(wù)性、重復(fù)性工作纏身，在型號質(zhì)量管理中很難發(fā)揮自身專業(yè)優(yōu)勢。航天型號研制過程中產(chǎn)生的知識類資料、工程數(shù)據(jù)規(guī)模越來越龐大，技術(shù)人員、質(zhì)量人員分析數(shù)據(jù)的難度較大。應(yīng)用人工智能技術(shù)是解決上述問題的最佳技術(shù)途徑。

1 人工智能的支撐技術(shù)

人工智能應(yīng)用的三要素包括算法、算力和數(shù)據(jù)。以數(shù)據(jù)為基礎(chǔ)，通過算法構(gòu)建模型，依托物理硬件進(jìn)行計(jì)算和輸出，實(shí)現(xiàn)記憶、判斷和預(yù)測。

人工智能算法支撐技術(shù)主要包括二叉樹、支持向量機(jī)、隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)模型等，其中神經(jīng)網(wǎng)絡(luò)模型應(yīng)用最為廣泛，適應(yīng)性最好、綜合效果最優(yōu)。神經(jīng)網(wǎng)絡(luò)算法又包括長短記憶神經(jīng)網(wǎng)絡(luò)LSTM、循環(huán)神經(jīng)網(wǎng)絡(luò)RNN、深度神經(jīng)網(wǎng)絡(luò)CNN、對抗神經(jīng)網(wǎng)絡(luò)GAN等。

人工智能算力支撐技術(shù)主要依據(jù)處理器芯片。目前谷歌、蘋果、英特爾、高通、英偉達(dá)、阿里巴巴、百度等科技企業(yè)均自主研發(fā)人工智能芯片，為人工智能發(fā)展提供算力支撐。

數(shù)據(jù)是人工智能的靈魂。當(dāng)算法和硬件固定時，輸入什么樣的數(shù)據(jù)進(jìn)行學(xué)習(xí)就會產(chǎn)生相應(yīng)的輸出。航天質(zhì)量管理領(lǐng)域經(jīng)過較長時間的積累，質(zhì)量管理已擁有較為成熟完善的質(zhì)量管理體系、豐富的標(biāo)準(zhǔn)/規(guī)范、完善的規(guī)章制度等指導(dǎo)性文件資料。隨著質(zhì)量管理工作的開展，各個院所逐步積累了大量技術(shù)、產(chǎn)品的質(zhì)量過程數(shù)據(jù)。這些將是航天人工智能質(zhì)量管理系統(tǒng)的重要素材。

2 在航天領(lǐng)域里的應(yīng)用案例設(shè)想

2.1 質(zhì)量管理知識問答系統(tǒng)

以GJB 9001C質(zhì)量體系、航天行業(yè)標(biāo)準(zhǔn)、院所標(biāo)準(zhǔn)、規(guī)章制度及紅頭文件等質(zhì)量管理材料為主要學(xué)習(xí)庫，建立質(zhì)量管理智能問答系統(tǒng)。通過對質(zhì)量管理知識的學(xué)習(xí)和訓(xùn)練，實(shí)現(xiàn)對質(zhì)量管理文件的整理、記憶和掌握。當(dāng)質(zhì)量管理人員遇到專業(yè)領(lǐng)域的困惑時，可以向系統(tǒng)進(jìn)行提問，智能問答系統(tǒng)進(jìn)行相應(yīng)的解答。目前在醫(yī)學(xué)領(lǐng)域，智能機(jī)器人通過對醫(yī)學(xué)知識進(jìn)行學(xué)習(xí)，以優(yōu)秀的成績順利通過了執(zhí)業(yè)醫(yī)師資格綜合筆試，筆者認(rèn)為，將該醫(yī)學(xué)智能機(jī)器人背后的模型改進(jìn)升級后即可用于質(zhì)量管理知識智能問答系統(tǒng)。

2.2 智能評審系統(tǒng)

航天質(zhì)量管理的評審?fù)ǔＶ敢徊糠謱＜覍夹g(shù)報(bào)告進(jìn)行評議和審查，進(jìn)而對技術(shù)或產(chǎn)品進(jìn)行質(zhì)量把關(guān)的過程，一般采取會議的形式。依托人工智能技術(shù)，以標(biāo)準(zhǔn)/規(guī)范、專業(yè)領(lǐng)域知識和已有的評審記錄（評審記錄一般包括會議記錄、專家意見、意見答復(fù)情況、評審報(bào)告、參會人員信息等）為學(xué)習(xí)資料構(gòu)建評審系統(tǒng)。智能評審系統(tǒng)分為初級階段和高級階段。初級階段，智能評審系統(tǒng)實(shí)現(xiàn)對報(bào)告的文章結(jié)構(gòu)、標(biāo)準(zhǔn)符合性等常見或低級錯誤初步篩查，經(jīng)過修改完善后再提交會議評審。通過系統(tǒng)初檢可以避免部分錯誤帶入評審會場，提高報(bào)告質(zhì)量，也能提升會議效率和效果。高級階段，智能評審系統(tǒng)完全取代專家書面評審，通過對報(bào)告的讀取、審查，準(zhǔn)確的給出專家意見，從管理和技術(shù)兩個角度提出問題和改進(jìn)方案。

2.3 質(zhì)量問題智能管理系統(tǒng)

通過對航天歷史上有關(guān)質(zhì)量問題的學(xué)習(xí)，構(gòu)建質(zhì)量問題智能管理系統(tǒng)，實(shí)現(xiàn)對質(zhì)量問題發(fā)生情況進(jìn)行預(yù)測并給出相應(yīng)、有效的質(zhì)量管理預(yù)防措施。學(xué)習(xí)材料一般包括專業(yè)領(lǐng)域知識、雙歸零標(biāo)準(zhǔn)要求、近20年來質(zhì)量問題技術(shù)歸零報(bào)告和管理歸零報(bào)告等。質(zhì)量問題智能管理系統(tǒng)可以預(yù)測近半年、1年的質(zhì)量形勢，指出近期質(zhì)量管理的薄弱環(huán)節(jié)、需要加強(qiáng)質(zhì)量管控的型號或項(xiàng)目、即將頻繁暴露問題的產(chǎn)品名稱、近期或未來質(zhì)量管控不到位的外協(xié)配套單位。質(zhì)量問題智能管理系統(tǒng)能夠準(zhǔn)確地對當(dāng)期質(zhì)量形勢進(jìn)行評價(jià)、對未來質(zhì)量形勢進(jìn)行預(yù)測。

2.4 智慧質(zhì)量體系審核平臺

質(zhì)量體系審核過程是企業(yè)為了確認(rèn)質(zhì)量體系各要素是否按照計(jì)劃有效開展質(zhì)量活動，是否達(dá)到了規(guī)定的質(zhì)量目標(biāo)而進(jìn)行的檢查和評價(jià)活動。該過程是一個固定的工作過程，且流程較為清楚，一般先審核企業(yè)（組織）的質(zhì)量體系完整和正確性，然后對標(biāo)質(zhì)量體系條款，被審核單位提供相應(yīng)的見證材料，最后審核員審查見證材料是否有效落實(shí)了質(zhì)量體系要求。審核材料作為歷史數(shù)據(jù)供給智慧質(zhì)量體系審核平臺，審核材料包括GJB 9001C質(zhì)量體系標(biāo)準(zhǔn)、航天集團(tuán)院所質(zhì)量體系文體、標(biāo)準(zhǔn)規(guī)范、檢查條款、見證材料等內(nèi)容。從航天總體技術(shù)單位、設(shè)計(jì)單位、生產(chǎn)單位方面，按照分工進(jìn)行分類；從電氣類、結(jié)構(gòu)類、動力類等方面，從主營產(chǎn)品進(jìn)行分類。通過分類，智慧質(zhì)量體系審核平臺可以更加準(zhǔn)確的制定審核計(jì)劃并實(shí)施有效的審核檢查，發(fā)現(xiàn)質(zhì)量管理體系的薄弱環(huán)節(jié)。

2.5 智能檢驗(yàn)機(jī)器人

智能檢驗(yàn)機(jī)器人可以識別鑄件、焊縫等生產(chǎn)加工缺陷，通過對電氣產(chǎn)品測試數(shù)據(jù)或試驗(yàn)曲線的分析自動評價(jià)產(chǎn)品性能，通過與航天型號 （項(xiàng)目）的設(shè)計(jì)文件比對，對設(shè)計(jì)正確性進(jìn)行確認(rèn)把關(guān)。生產(chǎn)加工缺陷識別檢驗(yàn)機(jī)器人主要對歷史缺陷進(jìn)行學(xué)習(xí)，例如貯箱焊接裂紋X光圖片、接頭鑄造孔洞熒光照片。電氣產(chǎn)品試驗(yàn)過程中采集數(shù)據(jù)量較大的時候，人很難識別出產(chǎn)品的性能不穩(wěn)定或性能下降，但依托智能檢驗(yàn)機(jī)器人可以有效發(fā)現(xiàn)產(chǎn)品性能優(yōu)劣的蛛絲馬跡。同專業(yè)不同型號或不同產(chǎn)品的設(shè)計(jì)文件部分內(nèi)容上會有所差異，但很多方面有著相通的特性，通過智能檢驗(yàn)機(jī)器人進(jìn)行學(xué)習(xí)比對，對設(shè)計(jì)文體的正確性給出評價(jià)和意見，供設(shè)計(jì)人員參考和改進(jìn)。

2.6 飛行試驗(yàn)數(shù)據(jù)智慧利用軟件

運(yùn)載火箭點(diǎn)火、起飛、將衛(wèi)星送入預(yù)定軌道的過程中，火箭的測量系統(tǒng)會獲取大量的飛行試驗(yàn)數(shù)據(jù)，包括錄像、圖片、曲線、單獨(dú)的數(shù)據(jù)等。當(dāng)火箭發(fā)射失利時，測量系統(tǒng)返回的飛行試驗(yàn)數(shù)據(jù)更加珍貴。飛行試驗(yàn)數(shù)據(jù)智慧利用包括2個方面：①對當(dāng)期飛行過程的評價(jià)，確認(rèn)發(fā)動機(jī)、慣性組件、機(jī)構(gòu)、火工品是否按照設(shè)計(jì)值進(jìn)行了工作，并檢查是否存在薄弱環(huán)節(jié)；②對當(dāng)期飛行數(shù)據(jù)進(jìn)行挖掘，發(fā)現(xiàn)火箭改進(jìn)的思路和方向。通過對多發(fā)次、多型號歷史飛行數(shù)據(jù)的智慧分析，進(jìn)一步探尋數(shù)據(jù)底層的物理邏輯，輸出結(jié)果將成為提高火箭可靠性和運(yùn)載能力以及技術(shù)改進(jìn)升級的寶貴依據(jù)。

3 機(jī)遇與挑戰(zhàn)

3.1 機(jī)遇方面

人工智能技術(shù)傳統(tǒng)難點(diǎn)在于底層的復(fù)雜數(shù)學(xué)算法，包括高階偏微分方程求解、非線性函數(shù)的尋求最優(yōu)解等，這些傳統(tǒng)難點(diǎn)導(dǎo)致質(zhì)量管理人員對人工智能的應(yīng)用望而卻步。近幾年隨著人工智能技術(shù)的進(jìn)步和發(fā)展，把數(shù)學(xué)問題交給數(shù)學(xué)專業(yè)人員解決，將高級復(fù)雜的數(shù)據(jù)算法集成、打包為工具箱、工具包，只需要調(diào)用即可。應(yīng)用人員更多精力放在流程實(shí)現(xiàn)、業(yè)務(wù)端的開發(fā)，不必過多在意復(fù)雜數(shù)學(xué)公式的求解工作。谷歌人工智能團(tuán)隊(duì)開源的TensorFlow平臺、Facebook人工智能研究院開源的PyTorch計(jì)算包等算法平臺都給人工智能的實(shí)現(xiàn)提供了極大的便利。

復(fù)雜的算法、海量的數(shù)據(jù)對計(jì)算器的要求越來越高。優(yōu)化圖形應(yīng)用程序和游戲的專用數(shù)字芯片，即圖形處理器 （Graphics Processing Units，GPUs），正在成為深度學(xué)習(xí)和計(jì)算應(yīng)用的高效芯片； 張 量 處 理 單 元 （Tensor Processing Unit，TPU）的出現(xiàn)進(jìn)一步提高了計(jì)算效率，為人工智能的部署提供便利。計(jì)算器的快速發(fā)展將推動人工智能在質(zhì)量管理領(lǐng)域應(yīng)用。

3.2 挑戰(zhàn)方面

在數(shù)據(jù)訓(xùn)練之前，人工智能算法猶如大腦一片空白的小孩。訓(xùn)練和學(xué)習(xí)的數(shù)據(jù)是孩子的教材，數(shù)據(jù)的數(shù)量和質(zhì)量決定了學(xué)習(xí)效果。我國航天領(lǐng)域已有60多年的發(fā)展歷史，大量的歷史質(zhì)量數(shù)據(jù)將成為人工智能應(yīng)用的基礎(chǔ)。但搜集、整理數(shù)據(jù)的工作量較為龐大；同時，人工智能中監(jiān)督學(xué)習(xí)模式，需要對數(shù)據(jù)進(jìn)行標(biāo)注，數(shù)據(jù)分類和標(biāo)注工作量也較為龐大。因此，人工智能在航天質(zhì)量管理領(lǐng)域的應(yīng)用過程中仍需要投入一定的人力、物力。

人工智能技術(shù)是21世紀(jì)關(guān)鍵技術(shù)之一，已廣泛應(yīng)用到醫(yī)藥、先制造、金融、家居、零售等很多領(lǐng)域。人工智能憑借低成本高效率、加速創(chuàng)新、深度分析等優(yōu)勢也將在航天質(zhì)量管理領(lǐng)域有著越來越多的應(yīng)用。